Définir la spécification du jeu de données

Où se situe la spécification#

La spécification fait le lien entre l’objectif et la caméra. Elle guide la collecte et constitue la référence à consulter lorsque le premier modèle n’atteint pas son objectif :

Le cycle revient à la spécification, pas aux paramètres d’entraînement : un objectif manqué signale généralement un scénario omis par la spécification. Le guide sur les étapes d’un projet de vision par ordinateur décrit le même cycle de vie.

Présente les scénarios en lignes#

Un scénario correspond à une combinaison de conditions de capture que le modèle doit gérer. Des lignes assorties de quotas rendent les lacunes visibles avant que quiconque ne prenne une caméra :

Un scénario que tu ne peux pas décrire par écrit est un scénario que le modèle ne verra pas pendant l’entraînement, et c’est celui qui échouera en production.

Dimensionne la spécification en fonction des objectifs de volume#

Les conseils d’Ultralytics pour obtenir les meilleurs résultats d’entraînement donnent des règles empiriques pour la production :

Ce sont les seuils à viser pour un modèle de production. Quelques centaines d’objets annotés par classe suffisent pour commencer à expérimenter, et ce premier modèle est le moyen le plus rapide de repérer les scénarios qui nécessitent davantage de données. Pour savoir à quelle distance un jeu de données se trouve de ces seuils, compte-le. Ce script s’exécute sur COCO128, un échantillon de COCO de 128 images téléchargé automatiquement :

from collections import Counter
from pathlib import Path

from ultralytics.data.utils import IMG_FORMATS, check_det_dataset, img2label_paths

IMAGES_PER_CLASS, INSTANCES_PER_CLASS = 1500, 10_000  # Ultralytics production targets

data = check_det_dataset("coco128.yaml")  # downloads COCO128 (~7 MB) on first run; swap in your data YAML
images = [p for p in Path(data["train"]).rglob("*.*") if p.suffix[1:].lower() in IMG_FORMATS]
image_count, instance_count, background = Counter(), Counter(), 0
for label in map(Path, img2label_paths([str(p) for p in images])):
    classes = [int(r.split()[0]) for r in label.read_text().splitlines() if r.strip()] if label.exists() else []
    instance_count.update(classes)
    image_count.update(set(classes))
    background += not classes

print(f"{len(images)} images, {background} background ({background / len(images):.0%}, target 0-10%)")
print(f"{'class':>12} {'images':>7} {'instances':>10} {'of target':>10}")
ranked = instance_count.most_common()
for cls, n in ranked[:3] + ranked[-3:]:  # best and worst covered classes
    coverage = min(image_count[cls] / IMAGES_PER_CLASS, n / INSTANCES_PER_CLASS)
    print(f"{data['names'][cls]:>12} {image_count[cls]:>7} {n:>10} {coverage:>10.1%}")

never_labeled = [name for i, name in data["names"].items() if i not in instance_count]
print(f"{len(never_labeled)} classes in names with zero labels: {never_labeled[:4]} ...")

128 images, 2 background (2%, target 0-10%)
       class  images  instances  of target
      person      61        254       2.5%
         car      12         46       0.5%
         cup      10         36       0.4%
        bear       1          1       0.0%
      banana       1          1       0.0%
        skis       1          1       0.0%
9 classes in names with zero labels: ['fire hydrant', 'parking meter', 'sheep', 'cow'] ...

Comment interpréter le résultat :

• La couverture correspond à la plus faible des proportions d’images et d’instances, car une classe a besoin des deux. Même person, la classe la mieux couverte, n’atteint que 2,5 % du seuil de production.
• Les classes avec une seule instance (bear, banana, skis) ne peuvent être ni apprises ni évaluées. Pour ton jeu de données, collecte des exemples ou retire ces classes de la v1.
• Les classes sans aucune étiquette figurent dans le fichier YAML, mais ne sont jamais représentées. Le modèle consacre tout de même une partie de sa capacité à les prédire. Supprime-les de names ou collecte des exemples avant l’entraînement.

Couvre les dimensions de variation#

Une seule image mélange déjà des personnes proches et éloignées, des vélos, un chien et des voitures. Une spécification réelle doit prévoir délibérément cette diversité. Pour chaque dimension, indique si la spécification la couvre ou pourquoi elle ne s’applique pas ; les lignes vides correspondent à des scénarios que tu découvriras en production :

La diversité compte davantage que le volume : 1 500 images réparties entre ces catégories valent mieux que 5 000 images prises par une seule caméra à midi.

Prévois des images d’arrière-plan et des cas limites#

Les images d’arrière-plan sont des images sans objet annoté, comme celles d’un quai vide. Elles apprennent au modèle qu’il n’y a rien dans la scène et réduisent les faux positifs.

Les cas limites comprennent les fortes occultations, les objets coupés par le bord de l’image, les orientations inhabituelles, les objets empilés et les éléments ressemblants, comme un mât de chariot élévateur près d’un pilier en acier. Prévois une ligne de quota distincte pour chacun.